用途：面向在 ETL 流程中校验数据记录的数据工程师，提供可复用的 Pydantic 记录级校验模式。
主要能力：通过 scripts/validators.py 提供可执行的校验函数，可导入 UserRecord、Customer、Order、Address、validate_records、print_validation_errors、PositiveInt、Email 等模型与工具。支持单个记录校验、批量校验（validate_records 返回有效与无效两组，print_validation_errors 打印错误）、嵌套模型（如 Customer 含 billing_address 与 shipping_address，后者默认取前者）。字段约束包括 gt/ge、lt/le、pattern、min_length/max_length。支持从 dict 或 JSON 解析（Customer(**data_dict)、Customer.model_validate_json(json_string)），以及导出为 dict 或 JSON（model_dump()、model_dump_json()）。模型可做数据清洗，例如邮箱自动转为小写。
使用方式：从 scripts.validators 导入所需模型与函数；构造模型实例进行单条校验；对原始数据列表调用 validate_records 得到有效与无效结果，再用 print_validation_errors 输出错误信息。
适用场景：API 请求/响应校验、逐条 ETL 记录校验。如需整体 DataFrame 校验可用 pandera，管道级期望校验可用 Great Expectations。
依赖：pydantic>=2.0，pydantic-settings 用于配置校验。
限制：资料未提供安装步骤、许可证、性能数据与完整字段清单的说明，相关细节暂未提供。